BigQuery中REGEX_CONTAINS函数未正常工作问题咨询

你的正则表达式写法错误，导致匹配失败，具体问题和修正方案如下：

1. 正则语法的核心错误 #

你使用的r'b\abc\b'存在两处关键问题：

• 单词边界写法错误：正则中表示单词边界的是\b，但你写成了b\a——这里的b是普通字符，\a属于无效转义（在BigQuery正则规则中无特殊含义），完全偏离了匹配单词边界的意图。
• 即便修正为\babc\b，也只能匹配|def|ggg|abc中的abc，无法匹配abc_def中的abc。因为下划线_属于正则定义的“单词字符”（\w包含字母、数字、下划线），abc与_之间不存在单词边界\b。

2. 针对你的数据场景的修正方案 #

根据你的示例数据（abc_def或|def|ggg|abc），分三种常见需求给出解决方案：

需求1：匹配所有包含abc的字符串 #

如果只要字符串中存在abc就判定匹配，无需考虑是否为独立单元，直接简化正则：

REGEX_CONTAINS(lower(column_name), r'abc')

需求2：匹配独立的abc（非其他单词的一部分） #

如果需要匹配的是独立的abc（比如|def|ggg|abc中的abc，或abc_def中作为前缀的abc），可以用负向断言定义“非单词字符包围”的规则：

REGEX_CONTAINS(lower(column_name), r'(?<!\w)abc(?!\w)')

解释：

• (?<!\w)：断言abc前面不是单词字符（即前面是字符串开头，或非字母/数字/下划线的字符）
• (?!\w)：断言abc后面不是单词字符（即后面是字符串结尾，或非字母/数字/下划线的字符）

需求3：仅匹配被|分隔的独立abc #

如果只需要匹配像|def|ggg|abc中被|分隔的abc，可以直接针对分隔符写正则：

REGEX_CONTAINS(lower(column_name), r'(?:^|\|)abc(?:$|\|)')

内容的提问来源于stack exchange，提问作者Tender_Figs